研究課題/領域番号 |
21K04063
|
研究種目 |
基盤研究(C)
|
配分区分 | 基金 |
応募区分 | 一般 |
審査区分 |
小区分21020:通信工学関連
|
研究機関 | 山梨大学 (2023) 徳島大学 (2021-2022) |
研究代表者 |
岡村 康弘 山梨大学, 大学院総合研究部, 特任准教授 (90706996)
|
研究期間 (年度) |
2021-04-01 – 2026-03-31
|
研究課題ステータス |
交付 (2023年度)
|
配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2025年度: 260千円 (直接経費: 200千円、間接経費: 60千円)
2024年度: 390千円 (直接経費: 300千円、間接経費: 90千円)
2023年度: 260千円 (直接経費: 200千円、間接経費: 60千円)
2022年度: 130千円 (直接経費: 100千円、間接経費: 30千円)
2021年度: 3,120千円 (直接経費: 2,400千円、間接経費: 720千円)
|
キーワード | 2次光非線形導波路 / 数値シミュレータ / 時間反転波伝送 / 位相共役光発生 / 時間反転波発生 / 光ファイバ通信 / 時間反転波 / 機械学習 / 低遅延 |
研究開始時の研究の概要 |
5GやBeyond 5Gと言われる無線通信ネットワークは高速伝送可能なことに加えて低遅延性をもつことによって自動運転や触覚通信など様々なアプリケーションの実現が期待されている.これらは基幹網・アクセス網などの光通信ネットワークに接続されて高速伝送を可能としているが遅延について規定されているのは無線区間のみ(5Gは1 ms未満)であり,極低遅延性を実現するには光通信システムの低遅延化が必須となる.本研究は時間反転波伝送を適用し,残留歪を機械学習に基づくディジタル信号処理により補償する極低遅延光通信システムを提案し,従来に比べ低遅延化と伝送性能向上の両立を目指すものである
|
研究実績の概要 |
本研究では研究期間(R3~R7年度)において、(1)2次光非線形導波路シミュレータ作成と2倍波光発生実験によるシミュレータ検証、(2)2次光非線形導波路を用いた時間反転波発生器の設計、(3)多中継伝送系における機械学習による光非線形歪補償とその効果の検証、(4)時間反転波伝送と機械学習を適用した波長多重中継伝送について検討する。R5年度においては特に検討項目(4)について取り組んだ。 従来型の時間反転波伝送では光非線形歪補償性能を最大化する手法として伝送路位置に対する信号光・時間反転波パワー(パワープロファイル、以下PPと呼ぶ)を分布ラマン増幅技術により対称化する方法が提案されている。分布ラマン増幅技術によるPP対称化のタイプにはa)平坦型PPとb)吊り橋型PPが存在し、我々の扱う光周波数シフトのない時間反転波伝送においてもその効果が期待できる。R4年度はa)平坦型PPによる時間反転伝送性能の改善・要求条件について数値シミュレーションにより検討した。R5年度では、b)吊り橋型PPについて時間反転伝送性能の改善・要求条件について数値シミュレーションによる検討を行った。具体的には、アイ開口率の許容劣化量を10%とした場合にPP対称率を90%以上とすることで高い光非線形歪補償効果が得られることが明確化された。この成果はレーザー学会第44回年次大会(講演番号:G01-17a-V-01)にて口頭発表した.上述の発表においては理想的なPPを実現するために伝送路光ファイバーの損失係数を任意に調整して行ったものであったが、分布ラマン増幅の効果を考慮した検討も行い、令和5年度電気・電子・情報関係学会四国支部連合大会(講演番号:12-9)において報告した。
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
研究代表者の所属異動に伴う研究環境の再構築等により、研究計画調書における検討項目(2)2次光非線形導波路を用いた時間反転波発生器の設計に着手ができなかったものの、【研究実績の概要】記載のとおり検討項目(4)は着実に進捗した。よって進捗状況は総合的に概ね順調に進捗していると判断している。
|
今後の研究の推進方策 |
R5年度に着手できなかった検討課題(2)2次光非線形導波路を用いた時間反転波発生器の設計を行う。検討課題(1)にて作成したシミュレータを用いて光周波数シフトのない時間反転波発生器を構成する光デバイス(光カプラの分岐比,分散性素子の位相定数差,2次光非線形導波路の端面反射など)の要求条件を数値シミュレーションにより明確化する。 更に検討項目(4)時間反転波伝送と機械学習を適用した波長多重中継伝送について、光信号の波長多重化・機械学習ベースの光非線形歪補償の適用を進める。
|